知識點總結

如何用數據解決實際問題

第1章 解決問題，你需要“流程”

圖1 解決問題的流程

• 目的：針對“原因是什么，需要采取哪些行動”等問題得出結論
• 問題：思考“怎樣才是最理想的狀態(tài)”，現狀與理想狀態(tài)之間的差距就是問題
• 通過“假設”分解問題和尋找原因，再收集證據（數據）證明或推翻假設。難以收集全部數據是很正常的，但也不應該根據“現有數據”來開始所有的工作，需要設法借用相同或相近的數據來代替理論上所需的數據

第2章 分解數據，找到“問題的關鍵”

• 趨勢：捕捉數據在一段時間內的變化
• 快照：截取某個期間的情況，查看指標在期間內的大小、比例和分布等
• WHAT型假設 將較大變量分解為具體指標，找到最小的具體指標以后再通過維度拆分
• 平均值&中位數

• 平均值會忽略“數據構成要素的差異”，可能會使讀者誤入“辛普森悖論”
• 標準差。體現數據波動，前提是兩個數據大小相當或相同
• 變異系數。變異系數=標準差/平均值，變異系數可以消除數據大?。ㄒ?guī)模）給標準差帶來的影響
• 通過直方圖可以直觀查看數據分布
• 矩陣表

第3章 采用交叉視點，鎖定“原因”

前兩章是對現狀更加清晰的了解，但仍屬于“整理數據”的范疇，第3章的原因分析才開始真正“分析數據”

• 相關分析。散點圖和相關系數?？上扔嬎阆嚓P系數，對重要內容繪制散點圖確認。相關系數一般達到0.5或0.7即相關。
• WHY模型 ①尋找接近結果的原因，在關聯更密切的數據之間考察相關關系；②選擇能夠采取對策的原因，找到原因以后要可控制可解決

• 兩種相關分析模式。第1種，找出對最終目標具有密切影響的原因；第2種，在某個業(yè)務流程中找出瓶頸

  
  
  圖2 相關分析模式1

圖3 相關分析模式2

• 得出結論時的4大誤區(qū)：①因果關系。相關關系不等于因果關系；②疑似相關。找到更直接的原因，兩個高相關的數據中間可能有更密切的要素；③數據范圍。數據的相關性可能在指定范圍內表現，從全局來看也許不明顯；④離群值。沒有明確理由不可刪除離群值

圖4是“討論及實施對策”前所有步驟的舉例總結，包括如何拆解一個大變量和如何找到影響細分指標的原因

圖4 解決問題的故事構造

第4章 制定對策，要依據“方程式”

將第3章提及的“相關”量化

• 一元線性回歸。R²（相關系數的平方），R² 一般達0.25或0.49即表示線性回歸方程擬合良好，有可解釋性?；貧w時注意：①數據之間必須具有單純的比例關系；②離群值以及不同的數據選擇范圍，會導致分析結果產生很大不同
• 用相關分析判斷數據關聯的緊密程度，用回歸分析判斷其影響大小

第5章 用數據講故事

• 把解決問題的過程展現出來，把精力用來考慮“核心信息是什么”“對方想知道什么”
• 隨時與相關人員分享分析的過程，必要時與他們展開討論，了解對方的想法和困惑
• 高級技能簡介。多元回歸，注意多重共線性的問題；假設檢驗，能夠幫助我們了解自己所使用的數據范圍的局限，并在此基礎上進行分析

感謝閱讀，歡迎點贊